Mistral-Small-24B-Instruct-2501 显存与内存需求
具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_K_M (Unsloth)：8,192 个 token 下约 14.72 GiB–15.45 GiB，1 条序列，FP16 KV，llama.cpp。
当前结果是估算，不是对应环境的实测。未核实有文件依据的权重
能跑的设备
- Mistral-Small-24B-Instruct-2501 能在 RTX 4090 上运行吗？
- Mistral-Small-24B-Instruct-2501 能在 RTX 3090 上运行吗？
- Mistral-Small-24B-Instruct-2501 能在 RTX 3060 上运行吗？
- Mistral-Small-24B-Instruct-2501 能在 RTX 4060 Ti 上运行吗？
- Mistral-Small-24B-Instruct-2501 能在 RTX 4070 Ti SUPER 上运行吗？
- Mistral-Small-24B-Instruct-2501 能在 RX 7900 XTX 上运行吗？
发布方与出处
- 提供方Mistral AI
- Hugging Face
mistralai/Mistral-Small-24B-Instruct-2501 - Revision
9527884be6e5616bdd54de542f9ae13384489724 - 总参数量23,572,403,200
- 层数40
- 查询头32
- KV 头8 (gqa)
- 头维度128
- 已记录的上下文能力32,768
- 完整度complete · full
这次估算里的内存分层
文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。
- Weight artifact
- 13.35 GiB (14,333,909,248 bytes)
- Raw KV cache
- 1.25 GiB (1,342,177,280 bytes)
- Engine extras / workspace
- 0.13 GiB–0.85 GiB
- Total estimated demand
- 14.72 GiB–15.45 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| BF16 safetensors bf16 | 47,144,806,400 (43.91 GiB / 47.14 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Mistral-Small-24B-Instruct-2501-Q4_K_M.gguf | 14,333,909,248 (13.35 GiB / 14.33 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Mistral-Small-24B-Instruct-2501-Q6_K.gguf | 19,345,938,688 (18.02 GiB / 19.35 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Mistral-Small-24B-Instruct-2501.Q8_0.gguf | 25,054,779,648 (23.33 GiB / 25.05 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (bartowski) gguf-q5_k_m | Mistral-Small-24B-Instruct-2501-Q5_K_M.gguf | 16,763,983,552 (15.61 GiB / 16.76 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 11,786,201,600 (理论行不是可下载的发布文件。) | — | theoretical |
按量化与上下文查看显存
并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。
| 量化 | 2,048 tokens | 8,192 tokens | 32,768 tokens |
|---|---|---|---|
| BF16 safetensors | 44.84 GiB–46.73 GiB | 45.78 GiB–47.69 GiB | 49.53 GiB–51.56 GiB |
| GGUF Q4_K_M (Unsloth) | 13.79 GiB–14.44 GiB | 14.72 GiB–15.45 GiB | 18.47 GiB–19.47 GiB |
| GGUF Q6_K (Unsloth) | 18.45 GiB–19.20 GiB | 19.39 GiB–20.22 GiB | 23.14 GiB–24.23 GiB |
| GGUF Q8_0 (Unsloth) | 23.77 GiB–24.62 GiB | 24.71 GiB–25.64 GiB | 28.46 GiB–29.65 GiB |
| GGUF Q5_K_M (bartowski) | 16.05 GiB–16.74 GiB | 16.99 GiB–17.76 GiB | 20.74 GiB–21.77 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 11.41 GiB–15.08 GiB | 12.35 GiB–16.25 GiB | 16.10 GiB–20.87 GiB |
KV Cache（原始数据）
标准 GQA/MHA 的原始 KV 为 2 × 层数 × kvHeads × headDim × token 数 × 序列数 × 每元素字节。本页使用 KV heads（8），不是 query heads（32）。
- 8,192 tokens, 1 sequence, FP16: 1,342,177,280 bytes (1.2500 GiB)
- 32,768 tokens: 5,368,709,120 bytes (5.00 GiB)
相关页面
数据来源
影响结论的假设
- 请求的上下文在记录的原生窗口 32768 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：Mistral-Small-24B-Instruct-2501-Q4_K_M.gguf。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
- 除非你改 KV 精度，否则 KV 的数据类型与权重量化无关。
计算器
正在加载已发布的目录快照…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。